کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7546501 1489633 2018 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
On model-based clustering of skewed matrix data
ترجمه فارسی عنوان
در مدل سازی مبتنی بر خوشه بندی داده های ماتریس مبهم
ترجمه چکیده
مدل سازی مخلوط محدود و مدل ادوات خوشه ای مبتنی بر مدل، عمدتا بر تحلیل داده های چند متغیره مشاهده شده در قالب بردارها متمرکز است، هر عنصر که یک ویژگی خاص را نشان می دهد. در این حالت، مدل های ترکیبی گاوسی چند متغیری بیشترین استفاده را دارند. با توجه به مسائل مدل سازی شدید مشاهده شده در زمانی که اجزای نرمال قادر به ارائه مناسب کافی برای گروه ها نیستند، توجه زیادی به توسعه مدل های حسابداری برای خراب شدن داده ها شده است. در کار ما، مسئله مدل سازی مخلوط با اجزای تشکیل دهنده را می توانیم در مقادیر ماتریس حل کنیم. تحولات پیشنهادی، طیف گسترده ای از قابلیت های مدل سازی را امکان پذیر می سازد، با برنامه های متعدد، همانطور که در این مقاله نشان داده شده است. یک مدل مخلوط ماتریس جدید پیشنهاد شده است. پارامترهای مبهم آن از تفسیر پذیری جذاب لذت می برند. روش برآورد مربوطه و روش های مختلف پارامتریک مورد بحث قرار گرفته است. مطالعات شبیه سازی جامع و برنامه های کاربردی به مجموعه داده های زندگی واقعی نشان دهنده کارایی پیشرفت های پیشنهادی است که با نتایج خوبی همراه است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آنالیز عددی
چکیده انگلیسی
The existing finite mixture modeling and model-based clustering literature focuses primarily on the analysis of multivariate data observed in the form of vectors, with each element representing a specific feature. In this setting, multivariate Gaussian mixture models have been the most commonly used. Due to severe modeling issues observed when normal components cannot provide adequate fit to groups, much attention has been paid to developing models capable of accounting for skewness in data. In our work, we target the problem of mixture modeling with components that can handle skewness in matrix-valued data. The proposed developments open a wide range of possible modeling capabilities, with numerous applications, as illustrated in this paper. A novel matrix mixture model is proposed. Its skewness parameters enjoy appealing interpretability. The corresponding estimation procedure and various ways of parameterization are discussed. Comprehensive simulation studies and applications to real-life datasets illustrate the efficiency of the proposed developments, supported by good results.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Multivariate Analysis - Volume 167, September 2018, Pages 181-194
نویسندگان
, ,